regex - 如何在 R 中使用子函数

Question

我正在阅读dopersR 中的 csv 文件“”。

dopers <- read.csv(file="generalDoping_alldata2.csv", head=TRUE,sep=",")

读完文件后，我必须做一些数据清理。例如在country列中，如果它说

“美国”或“美国”

我想用"USA"

我想确保，如果这个词是" United States "or "United State "，即使是它们，我的代码也应该工作。我想说的是，即使之前和之后有任何字符"United States"被替换为"USA". 我知道我们可以sub()为此目的使用函数。我在网上查找并找到了这个，但是我不明白是什么"^" "&" "*" "."。有人可以解释一下。

dopers$Country = sub("^UNITED STATES.*$", "USA", dopers$Country)

Answer 1

鉴于你的例子，

s <- c(" United States", " United States ", "United States ")

您可以通过以下方式定义与它们匹配的正则表达式模式

pat <- "^.*United State.*$"

这里，^代表字符串的开头和$结尾，而 .代表任何字符并*定义重复（从零到任意）。您可以尝试修改后的模式，例如

pat <- "^[ ]*United State[ ]*$" # only ignores spaces
pat <- "^.*(United State|USA).*$" # only matches "  USA" etc.

然后替换由

gsub(pat, "USA", s)